Gump Yan

摘要： 双冒号运算就是Java中的[方法引用], [方法引用]的格式是 类名::方法名。 一般是用作Lambda表达式 例子： 这种[方法引用]或者说[双冒号运算]对应的参数类型是Function<T,R> T表示传入类型，R表示返回类型 阅读全文

摘要： Stream 流可以说是 Java8 新特性中用起来最爽的一个功能了，有了它，从此操作集合告别繁琐的for循环。与IO流不是一个概念。 Java8 Stream 使用的是函数式编程模式，如同它的名字一样，它可以被用来对集合进行链状流式的操作。 循环遍历的弊端： for循环的语法就是“怎么做” for 阅读全文

摘要： 1.梯度下降法的收敛性 针对迭代式算法，我们就要Convergency Analysis（收敛性分析） （1）什么是平滑函数，非平滑函数？ 平滑函数--在每个点上求出梯度 非平滑函数 在那个点上求不出梯度的， L-Lipschitz条件：是针对平滑函数的条件 Logistic Regression 阅读全文

摘要： 1.概述 2.使用Maven的背景 （1）一个项目就是一个工程 如果项目非常庞大，就不适合继续使用package来划分模块，最好是每一个模块对应一个工程，利于分工协作。 借助于Maven就可以将一个项目拆分成多个工程 （2）项目中需要的jar包必须手动“复制”，"粘贴"到WEB-INF/lib目录下 阅读全文

摘要： 1.一棵决策树与对应的决策边界 2.从数据中学习决策树 这三样东西中，树的形状是最难学出来的，因为给定一个样本数据的时候，其实树的形状有非常多个，我怎么确定哪一个形状是最优的呢？ 通过贪心算法，来找出针对某一个样本数据的最好的一个决策树的形状 3.基于给定数据构造决策树 如何构造一棵决策树来拟合这些 阅读全文

摘要： 1.GBDT定义 说到Xgboost，不得不先从GBDT(Gradient Boosting Decision Tree)说起。因为xgboost本质上还是一个GBDT，但是力争把速度和效率发挥到极致，所以叫X (Extreme) GBoosted。包括前面说过，两者都是boosting方法。 GB 阅读全文

摘要： 1.引言 如果用一句话定义xgboost，很简单：Xgboost就是由很多CART树集成。但，什么是CART树？ 数据挖掘或机器学习中使用的决策树有两种主要类型： 分类树分析是指预测结果是数据所属的类（比如某个电影去看还是不看） 回归树分析是指预测结果可以被认为是实数（例如房屋的价格，或患者在医院中 阅读全文

摘要： 1.Bagging vs Boosting 共同点：都是由很多弱（weak）分类器来构成的 Bagging是有很多weak learner组成的，每个weak learner因为是过拟合，所以整个变得很弱。 2.Xgboost (1) 引言 提升树 残差=真实值-预测值 接下来再训练第二个模型，让残 阅读全文

摘要： 1.Inceptionnet的借鉴点 Inception结构快在同一层网络中使用多个尺寸的卷积核，可以提取不同尺寸的特征，提升感知力（通过 padding 实现输出特征面积一致）；使用 1 * 1 卷积核，作用到输入特征图的每个像素点，通过设定少于输入特征图深度的1*1卷积核的个数，减少了输出特征图 阅读全文

摘要： 1.cifar10数据集介绍 2.cifar10数据集读取 3.卷积神经网络搭建 3.1使用class声明网络结构 使用 Sequential 可以快速搭建网络结构，但是如果网络包含跳连等其他复杂网络结构，Sequential 就无法表示了。这就需要使用 class 来声明网络结构。 3.2卷积神经 阅读全文